随笔分类 - 机器学习
摘要：作者：冬瓜哥链接：https://www.zhihu.com/question/59184480/answer/166167659来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 显卡/GPU是具体干活的芯片，其从host端拿命令和数据。显卡驱动，分内核态和用户态两部分
阅读全文
摘要：一、由于实验室大家使用的CUDA、CUdnn不同，所以需要在同一台服务器安装多个版本，而且要不引起冲突，方法如下： 1、一般来说CUDA安装在 /usr/local 目录下（当然你可以通过“echo $PATH”命令查询你的CUDA安装目录，一般来说CUDA的文件路径都会被写入到系统环境），如下图
阅读全文
摘要：样本不平衡问题 样本不平衡问题 样本不平衡问题 样本不平衡问题 如在二分类中正负样本比例存在较大差距，导致模型的预测偏向某一类别。如果正样本占据1%，而负样本占据99%，那么模型只需要对所有样本输出预测为负样本，那么模型轻松可以达到99%的正确率。一般此时需使用其他度量标准来判断模型性能。比如召回率
阅读全文
摘要：推断（Inference），就是深度学习把从训练中学习到的能力应用到工作中去。 精心调整权值之后的神经网络基本上就是个笨重、巨大的数据库。为了充分利用训练的结果，完成现实社会的任务，我们需要的是一个能够保留学习到的能力，还能迅速应用到前所未见的数据上的，响应迅速的系统。这就是推断，根据真实世界中的少
阅读全文
摘要：3. Fast-R-CNN 基于R-CNN和SPP-Net思想，RBG提出了Fast-R-CNN算法。如果选用VGG16网络进行特征提取，在训练阶段，Fast-R-CNN的速度相比RCNN和SPP-Net可以分别提升9倍和3倍；在测试阶段，Fast-R-CNN的速度相比RCNN和SPP-Net可以分
阅读全文
摘要：4. Faster-R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 在之前介绍的Fast-R-CNN中，第一步需要先使用Selective Search方法提取图像中的proposals。基于CPU实现的
阅读全文
摘要：2. SPP-Net : Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition） 传统CNN和SPP-Net流程对比如下图所示（引自http://www.image-net.org/challeng
阅读全文
摘要：1. R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation 技术路线：selective search + CNN + SVMs Step1:候选框提取(selective sea
阅读全文
摘要：基于空间金字塔池化的卷积神经网络物体检测 原文地址：http://blog.csdn.net/hjimce/article/details/50187655 作者：hjimce 一、相关理论 本篇博文主要讲解大神何凯明2014年的paper：《Spatial Pyramid Pooling in D
阅读全文
摘要：版权声明：转载请注明出处，谢谢！ https://blog.csdn.net/Quincuntial/article/details/59109447 1. Parameters solver.prototxt文件是用来告诉caffe如何训练网络的。solver.prototxt的各个参数的解释如下
阅读全文
摘要：版权声明：本文为博主原创文章，欢迎转载，注明地址。 https://blog.csdn.net/program_developer/article/details/79430119 一、LRN技术介绍： Local Response Normalization(LRN)技术主要是深度学习训练时的一种
阅读全文
摘要：版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/Cheese_pop/article/details/52024980 DATA crop:截取原图像中一个固定patch layers { name: "data" type: DATA top: "dat
阅读全文
摘要：1. Dropout简介 1.1 Dropout出现的原因 在机器学习的模型中，如果模型的参数太多，而训练样本又太少，训练出来的模型很容易产生过拟合的现象。在训练神经网络的时候经常会遇到过拟合的问题，过拟合具体表现在：模型在训练数据上损失函数较小，预测准确率较高；但是在测试数据上损失函数比较大，预测
阅读全文
摘要：1. SimHash与传统hash函数的区别 传统的Hash算法只负责将原始内容尽量均匀随机地映射为一个签名值，原理上仅相当于伪随机数产生算法。传统的hash算法产生的两个签名，如果原始内容在一定概率下是相等的；如果不相等，除了说明原始内容不相等外，不再提供任何信息，因为即使原始内容只相差一个字节，
阅读全文
摘要：1 介 绍 1.1 流式计算介绍 流式大数据计算主要有以下特征： 1)实时性。流式大数据不仅是实时产生的，也是要求实时给出反馈结果。系统要有快速响应能力，在短时间内体现出数据的价值，超过有效时间后数据的价值就会迅速降低。 2)突发性。数据的流入速率和顺序并不确定，甚至会有较大的差异。这要求系统要有较
阅读全文
摘要：1 指数平滑法 移动平均模型在解决时间序列问题上简单有效，但它们的计算比较难，因为不能通过之前的计算结果推算出加权移动平均值。此外，移动平均法不能很好的处理数据集边缘的数据变化，也不能应用于现有数据集的范围之外。因此，移动平均法的预测效果相对较差。 指数平滑法(exponential smoothi
阅读全文
摘要：原文连接 https://blog.csdn.net/guolindonggld/article/details/56966200 原文连接 https://blog.csdn.net/guolindonggld/article/details/56966200 原文连接 https://blog.
阅读全文
摘要：前言在跑通了官网的mnist和cifar10数据之后，笔者尝试着制作自己的数据集，并保存，读入，显示。 TensorFlow可以支持cifar10的数据格式， 也提供了标准的TFRecord 格式，而关于 tensorflow 读取数据， 官网提供了3中方法 1 Feeding： 在tensorfl
阅读全文
摘要：https://www.cnblogs.com/pinard/p/9220199.html 在机器学习用于产品的时候，我们经常会遇到跨平台的问题。比如我们用Python基于一系列的机器学习库训练了一个模型，但是有时候其他的产品和项目想把这个模型集成进去，但是这些产品很多只支持某些特定的生产环境比如J
阅读全文
摘要：支持连续变量和类别变量，类别变量就是某个属性有三个值,a,b,c，需要用Feature Transformers中的vectorindexer处理 上来是一堆参数 setMaxDepth：最大树深度 setMaxBins：最大装箱数，为了近似统计变量，比如变量有100个值，我只分成10段去做统计 s
阅读全文
浙公网安备 33010602011771号